产品图象自动检测方法技术

本发明专利技术公开了一种产品图象自动检测系统。该系统包括光照系统、彩色ＣＣＤ像机、真彩色图象采集卡、微机、系统软件、应用软件和输出控制卡。本发明专利技术的应用软件包括系统界面、缺陷检测算法、颜色分类算法等，颜色分类采用最小距离法和神经网络法，并用相对均值与方差替代均值与方差。最小距离法中采用动态样本中心。缺陷检测模块中采用局部方差的图象分割方法代替传统的边缘算子检测方法，并采用动态门限分割。该系统适应性强、稳定性好。（*该技术在2020年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术属于工业检测和图象处理
，具体地说，它涉及一种产品图象自动检测系统。随着光电信息技术以及计算机技术的发展和进步，许多原先只能由人完成的工作，现在可以采用以计算机为核心的自动系统来完成。基于产品图象(此处的“图象”相当于“Pattern”)的工业检测与质量控制系统就是这样的领域之一。一般来说现有的这类系统由以下硬件组成CCD摄像机，图象采集卡，微机等。软件则主要包括开发系统软件和应用软件两大部分；系统软件包括操作系统和软件开发平台，如WINDOWS 95操作系统，MICROSOFT VISUAL C++等。应用软件则是根据不同检测系统要求而由开发人员自行研制的完成特定功能的软件，是自动检测系统的核心。上海交通大学罗炜、杨晋夫在“计算机显微检测及数据处理系统”(载于≤计算机工程与应用≥，1999年1月，pp.124-126)一文中介绍了一种产品质量检测管理系统，该系统以灯丝电极产品作检测对象为例，利用显微镜、图象采集卡和微型计算机等设备，结合计算机软件对精细微小产品的质量进行检测。但该系统是将由CCD像机所获得的数字图象直接进行处理，因此只能对产品的外观尺寸等进行测量，而难以对于产品的颜色进行分类。根据CCD摄像机的成像原理，颜色取决于光照、物体表面颜色与反射率等多种因素影响，因此颜色的分类检测要困难得多。即使在实验室条件下能取得较好结果，而在工厂等实际环境中则由于受到光照、电磁干扰、振动、电压波动等因素影响，难以稳定运行，最终影响了所开发的检测技术在实际中的应用。因此，能否解决自动检测系统的鲁棒性和稳定性是目前常用的工业检测技术所面临的技术难题。本专利技术的目的在于提供一种产品图象自动检测系统，该系统不仅能自动检测产品的颜色、缺陷，以确定产品质量，而且具有较强适应性和较好稳定性。为了完成上述任务，该产品图象自动检测系统包括光照系统、彩色CCD像机、真彩色图象采集卡、微机、系统软件、应用软件和输出控制卡。真彩色图象采集卡、系统软件和应用软件置于微机中。其应用软件的实现方法如下(1)利用彩色CCD像机采集被检产品的图像并获取数据，计算由彩色图象分解成的RGB图象的均值与方差，可记为XR、XG、XB、StdR、StdG和StdB，再将R图象的均值XR设定为任一常数M，最后计算出RGB图象的相对均值与方差为M，M·XG/XR，M·XB/XR，M·StdR/XR，M·StdG/XR，M·StdB/XR；在最小距离分类方法和神经网络分类方法中用相对均值与方差替代均值与方差；(2)对被检产品进行缺陷检测，其处理步骤如下①利用N×N模板，计算被检产品图象的局部均值与方差；②当被检产品为单色产品时，直接进行步骤③；为花纹产品时，计算样本图象的局部均值与方差，并将所述被检产品图象的的局部均值与方差与样本图象的的局部均值与方差相减后取绝对值，作为被检产品的新的局部方差图象。③对被检产品的局部方差图象进行动态门限分割，在分割过程中，通过以下的动态门限来加以区分T＝a+kb其中，a、b分别代表被检产品的局部方差图象的均值与方差，k为系数，其取值为0-1之间，可以进行调整；小于门限T的象素记为0，高于门限T的象素记为1，后者表示出现疵点的象素。④对步骤③所获得的二值图象进行开运算与闭运算，去除由于微小噪声或微小位移而产生的虚假边缘；⑤对步骤④所获得的图象点进行统计，并根据生产标准判断被检产品是否为合格品；(3)当被检产品为不合格产品时，直接进行步骤(4)；被检产品为合格产品时，采用最小距离分类方法对被检产品图象的颜色进行检测，其处理方法为先设定类内最大距离门限R和分类数I，再计算被检图象与样本图象之间的距离r，取其中的最小值rj，当rj小于距离门限R时，将被测产品归入第j类，并将被检产品的图象与第j类的样本中心合并作为第j类新的样本中心，当rj大于距离门限R时，如果增加一个新的类其类别数少于等于分类数I，则将被检产品作为新的一类，并将被检产品图象作为新增加的类的样本中心，否则可选择修改距离门限R或分类数I后再按照同样的方法对被检产品进行分类；但能提供实验类型样本且颜色的分类数I≤6时，也可采用神经网络方法进行检测；(4)根据检测结果输出被检产品的产品质量信息。在采用上述神经网络方法中其中间结点层数目可以取值为3；上述产品缺陷检测中的模板尺寸可取值为7×7。；采用本专利技术对产品图象进行自动检测，检测对象广，缺陷检测精度高，能适应实际生产环境的不同需要，并且当光照、振动、电压等因素变化时检测结果能保持相对稳定。该系统还具有操作简单、易于掌握和经济实用等特点。本专利技术可用于对瓷质产品、木质产品、棉质产品和玻璃产品等进行产品图象自动检测。专利技术人采用彩色地砖为例实施本专利技术对，缺陷检测精度最高可达0.5毫米，1毫米检测概率接近100％；在进行产品颜色检测时，采用相对均值与方差替代均值与方差的方法可将同一类型地砖的均值变化范围从近十个象素减少到0.2个象素；该系统具有较好稳定度，长达几十天的实验证明了该系统工作稳定可靠。下面结合附图对本专利技术作进一步详细的说明。附图说明图1为本专利技术的产品图象自动检测系统结构示意图；图2为本专利技术的产品图象自动检测软件总体流程图；图3为本专利技术中的单色产品缺陷检测方法流程图；图4为本专利技术中的花纹产品缺陷检测方法流程图；图5为本专利技术中的神经网络分类方法流程图；图6为本专利技术中的最小距离分类方法流程图；图7为实施例中的地砖分拣运行界面；图8为实施例中的系统参数界面；图9为实施例中的神经网络分类方法中的学习功能界面。如图1所示，本专利技术的系统装置包括光照系统、彩色面阵CCD摄像机、真彩色图象采集卡、计算机、系统软件、系统硬件以及输出控制卡。计算机可为586及其以上配置的微机，系统软件可以是WINDOW95、VISUALC++5.00及其以上版本的软件。在图2所示的产品图象自动检测软件总体流程图中，应用软件包括系统界面、缺陷检测算法、颜色分类算法等部分。系统界面包括采像初始化、图象存盘、样本学习、综合检测以及退出系统主菜单组成。其中综合检测包括基于神经网络的颜色分类判别、基于最小距离判别的颜色分类判别以及基于数学形态学的缺陷检测三个部分组成。样本学习由系统参数、神经网络、样本采集三个子菜单组成。而样本采集则是将摄像机所实时采集的图象数据进行处理，并作为神经网络的训练样本存储下来。该系统界面可在WINDOWS 95环境下采用VISUAL C++5.0编程实现。图2中计算RGB图象相对均值与方差的方法如下先将复合彩色图象信号分解为对应于RGB三个不同波段的灰度图象，再计算它们的均值与方差。这六个不同的特征量就构成了颜色分类的输入特征。为了解决输入图象均值与方差随光照变化大、稳定性差等问题，本专利技术提出了一种相对均值与方差的预处理方法。其具体处理步骤为计算RGB图象的均值与方差，并分别记为XR、XG、XB、StdR、StdG和StdB；再将R图象的均值XR设定为任一常数M，最后计算出RGB图象的相对均值与方差M，M·XG/XR，M·XB/XR，M·StdR/XR，M·StdG/XR，M·StdB/XR；该系统的应用软件中的颜色分类算法均采用相对均值与方差取代均值与方差。图2中的单色产品缺陷检测方法如图3所示；花本文档来自技高网...

【技术保护点】
一种产品图象自动检测系统，包括彩色ＣＣＤ像机、真彩色图象采集卡、微机、系统软件、应用软件和输出控制卡，所述真彩色图象采集卡、系统软件和应用软件置于所述微机中，由所述彩色ＣＣＤ像机摄取被检产品的彩色图象，再输入到真彩色图象采集卡，微机中的系统软件和应用软件对彩色图象进行检测处理，检测结果通过输出控制卡输出以供使用，其特征在于：所述产品图象自动检测系统还包括一个光照系统，该光照系统供所述彩色ＣＣＤ像机摄取所述被检产品彩色图象时使用；所述应用软件的实现方法如下：（１）利用彩色Ｃ ＣＤ像机采集被检产品的彩色图像并获取数据，计算由所述彩色图象分解成的ＲＧＢ图象的均值与方差，其中Ｒ图象的均值记为Ｘ↓［Ｒ］、Ｇ图象的均值记为Ｘ↓［Ｇ］、Ｂ图象的均值记为Ｘ↓［Ｂ］、Ｒ图象的方差记为Ｓｔｄ↓［Ｒ］、Ｇ图象的方差记为Ｓｔｄ↓［Ｇ］，Ｂ图象的方差记为Ｓｔｄ↓［Ｂ］，再将Ｒ图象的均值Ｘ↓［Ｒ］设定为任一常数Ｍ，最后计算出ＲＧＢ图象的相对均值与方差为：Ｍ，Ｍ.Ｘ↓［Ｇ］／Ｘ↓［Ｒ］，Ｍ.Ｘ↓［Ｂ］／Ｘ↓［Ｒ］，Ｍ.Ｓｔｄ↓［Ｒ］／Ｘ↓［Ｒ］，Ｍ.Ｓｔｄ↓［Ｇ］／Ｘ↓［Ｒ］，Ｍ.Ｓｔｄ↓［Ｂ］／Ｘ↓［Ｒ］；在最小距离分类方法和神经网络分类方法中用相对均值与方差替代均值与方差；（２）对所述被检产品进行缺陷检测，其处理步骤如下：Ａ．判断所述被检产品是单色产品还是花纹产品；Ｂ．利用Ｎ×Ｎ模板，计算所述 被检图象的局部均值与方差，得到局部方差图象；Ｃ．当所述被检产品为单色产品时，直接进行步骤Ｄ；当所述被检产品为花纹产品时，计算样本图象的局部均值与方差，并将所述被检图象的局部方差图象与样本图象的局部方差图象相减后取绝对值，作为所述被检产品 的新的局部方差图象；Ｄ．对所述被检产品的局部方差图象进行动态门限分割，在分割过程中，通过以下的动态门限来加以区分：Ｔ＝ａ＋ｋｂ其中，ａ、ｂ分别代表所述被检产品的局部方差图象的均值与方差，ｋ为系数，其取值为０－１之间，可以进行调整 ；小于门限Ｔ的象素记为０，高于门限Ｔ的象素记为１，后者表示出现疵点的象素。Ｅ．对步骤Ｄ所获得的二值图象进行开运算与闭运算，去除由于微小噪声或微小位移而产生的虚假边缘；Ｆ．对步骤Ｅ所获得的图象点进行统计，并根据生产标准判断所述被检产品 是否为合格产品；（３）当所述被检产品为不合格产品时，直接进行步骤Ｄ；所述被检产品为合格产品时，从采用最小距离分类方法和神经网络分类方...

【技术特征摘要】

【专利技术属性】
技术研发人员：丁明跃，陈朝阳，周成平，朱钒，杨诺，
申请(专利权)人：华中理工大学，佛山市康思达液压机械有限公司，
类型：发明
国别省市：83[中国|武汉]